Arbeidskrav våren 2022

MSB106, Anvendt by- og regionaløkonomi

#Romlige forskjeller i næringsstruktur, virkninger av eksogene sjokk i basissysselsettingen, og lokale forskjeller I sysselsettingsvekst.

I denne oppgaven vil vi se på næringsstrukturer på Haugalandet, Sunnhordland og Hardanger.

Problemstillinger og beregninger vi vil se nærmere på

• Beskrive situasjonen slik den er for 2020, og for utviklingen over tid.
• Sysselsettingsutviklingen for ulike næringer i ulike kommuner og for regionen samlet.
• Andelen av sysselsettingen innenfor enkeltnæringer, og sammenligne situasjonen og utviklingen for lokale kommuner og lokal region med det som gjelder for nasjonen samlet.
• Beregne lokaliseringskvotienter for ulike næringer i ulike kommuner, og for regionen(e) samlet.
• Beregne ulike aggregeringsnivåer av næringer og geografi, identifiser mulige klynger basert på verdiene for lokaliseringskvotientene.
• Gjøre en vurdering av hvor konsentrert/spredt en næring er fordelt mellom kommunene i regionen, basert på beregninger av den romlige Gini-indeksen.
• Vurdere om sammenligningsgrunnlaget bør være samlet sysselsetting i regionen, eller samlet sysselsetting av nasjonen, og finne ut hvilken rolle det spiller om en bruker regionale eller nasjonale anslag for samlet sysselsetting.
• Finne ut om næringsstrukturen i regionen har blitt mer eller mindre diversifisert, mangfoldig, over tid.
• Beregne en regional mangfold-indeks og finne ut hvordan verdiene på en slik indeks er endret over tid.
• Vurdere om sysselsettingsandelene skal sammenlignes med nasjonale eller regionale andeler for de ulike næringene
• Gjenta beregninger for andeler av arbeidstakere i ulike næringer, lokaliseringskvotienter, den romlige Gini- koeffisienten og målet for mangfold av næringer, med utgangspunkt i data spesifisert etter arbeidstakernes bosted.
• Sammenligne resultatene for data etter arbeidssted, og kommenter hvilken informasjon resultatene gir om romlig mobilitet i arbeidsmarkedet.
• Gi en kort oversikt over pendlerstrømmer mellom kommunene i regionen
• Beregne og presentere andeler av arbeidstakere med bosted i en kommune som har arbeidssted i andre kommuner, og gjør det samme for andelen av jobbene i en kommune som er besatt av arbeidstakere fra andre kommuner.
• Diskutere forskjeller mellom kommunene i regionen, og drøft utviklingen over tid for ulike kommuner
• Beregne og presentere andelen av arbeidstakere som bor og jobber innenfor samme kommune. Se om det er systematiske forskjeller sett i forhold til sentralitet og tilgjengelighet i det lokale arbeidsmarkedet. Og om det er bestemte trender i utviklingen for ulike kommuner.
• Bruke beregningene av lokaliseringkvotienter til å dele næringene inn i lokal- og basisnæringer
• Formulere en økonomisk basemodell og beregne økonomiske basemuliplikatorer for enkeltkommuner og region(er).
• Vurdere lokale virkninger av alternative lokaliseringer i Odda, Husnes og Leirvik
• Drøfte virkninger av et slikt positivt eksogent sjokk for den lokale økonomien gjennom bruk av en basemodell
• Finne ut hvordan virkningene eventuelt spres til andre kommuner i regionen og hvordan en kan bruke data for pendlestrømmer til å predikere virkninger på sysselsettingen i ulike kommuner.
• Sammenligne disse prediksjonene med de vi får når vi gjennomfører analysen på regionalt nivå.
• Gi en shift-share analyse i en diskusjon av forskjeller i vekst for eksempel mellom indre, midtre og ytre deler av regionen, eller eventuelt områder/kommuner som har hatt sterk og svak befolkningsutvikling.

Oversikt over befolkningene i regionene

Haugalandet

Haugalandet består av kommunene Bokn (852), Haugesund (37357), Karmøy (42186), Sauda (4595), Tysvær(11065), Utsira(198) og Vindafjord(8714). tilsammen bor det 104967 personer i denne regionen. i tidsperioden vi har hentet inn data har det vert kommunesammenslåing i denne regionen. Da ble Ølen og vindafjord slått i sammen til en kommune (hvordan har vi tatt hensyn til dette???)

Sunnhordland og Ullensvang

Sunnhordland og Ullensvang består av kommunene Bømlo(11957), Etne(4062), Fitjar(3189), Kvinnherad(13071), Stord(18759), Sveio(5766), Tysnes(2869) og Ullensvang(11048). Tilsammen bor det 70721 personer i denne regionen.

Tallene er hentet fra SSB 09.01.21 (https://www.ssb.no/statbank/table/01223/tableViewLayout1/) gjelder for 4 kvartal 2020.

<<<<<<< HEAD

syssel_arb <- read_csv("Data/syssel_arb.csv", show_col_types = FALSE)
hld_arb <- read_csv("Data/hld_arb.csv", show_col_types = FALSE)
sun_arb <- read_csv("Data/sun_arb.csv", show_col_types = FALSE)
har_arb <- read_csv("Data/har_arb.csv", show_col_types = FALSE)
syssel_bos <- read_csv("Data/syssel_bos.csv", show_col_types = FALSE)
hld_bos <- read_csv("Data/hld_bos.csv", show_col_types = FALSE)
sun_bos <- read_csv("Data/sun_bos.csv", show_col_types = FALSE)
har_bos <- read_csv("Data/har_bos.csv", show_col_types = FALSE)
Pendling <- read_csv("Data/Pendling.csv", show_col_types = FALSE)
hgl_Pendling <- read_csv("Data/hgl_Pendling.csv", show_col_types = FALSE)
sun_Pendling <- read_csv("Data/sun_Pendling.csv", show_col_types = FALSE)

1 Sysselsetting I Ulike Næringer, Etter Arbeidssted (Modeller Ferdig??)

Haugalandet

hld_arb %>% 
  ggplot(mapping = aes(x = År, y = Totalt)) +
  geom_line() +
  labs(title = "Haugalandet")+
  ylab("Antall ansatte i  \n alle næringer") +
  theme(axis.title.y = element_text(angle=0))+
  scale_x_continuous(breaks = seq(2008, 2020, by = 1))

syssel_arb %>% 
  filter(knr %in% c(1106, 1135, 1145, 1146, 1149, 1151, 1160)) %>% 
  ggplot(mapping = aes(x = as.Date(paste0(aar, "-01-01")), y = `Alle Næringer`, (angle=0))) +
  scale_color_viridis(discrete = TRUE, option = "A") +
  geom_line(aes(group = knavn, colour = knavn)) +
  scale_size_manual(values = c(seq(2.0, 2, by = -0.1))) +
  geom_hline(yintercept = 0) +
  labs(title = "Haugalandet", x = "År", y = "Antall ansatte i  \n alle næringer") +
  theme(axis.title.y = element_text(angle=0))+
  theme(legend.position = 'bottom')

hld_arb_long <- syssel_arb %>%
  pivot_longer(
    cols = `Jordbruk, Skogbrug og Fiske`:Uoppgitt,
    names_to = "Næring",
    values_to = "Ansatte")

=======

1 Sysselsetting I Ulike Næringer, Etter Arbeidssted (Modeller Ferdig??)

Haugalandet

>>>>>>> 1f60758af80b25c08178fcb759dd6a309b652257 <<<<<<< HEAD

# Ola: Skal vi ta vekk denne, Kevin? - Sjå dei to kode-chunkane under, og vurder

# Kevin: Hei! Vurderer om denne må gjøres på både Sunnhordland, samt Hardanger.

hld_arb_long %>% 
  # Vi ønsker å studere alle kommunene som formelt sett regnes som Haugalandet
  filter(knavn %in% c("Bokn", "Haugesund", "Karmøy", "Sauda", "Tysvær", "Utsira", "Vindafjord")) %>% 
  
  # Vi omformaterer datoene til mer formålstjenlige format
  ggplot(mapping = aes(x = as.Date(paste0(aar, "-01-01")), y = Ansatte)) +
  
  # Vi velger hvilken fargeoppslagstabell som skal anvendes
  scale_color_viridis(discrete = TRUE, option = "A") +
  # Angir aksetitler
  labs(x = "År", y = "Antall ansatte") +
  # Angir hvilke variabler fargene skal basere seg på
  geom_line(mapping = aes(group = Næring, colour = Næring)) +
  
  # Lager et panel som viser flere grafer, fordelt på tre kolonner
  facet_wrap(facets = ~ knavn, scales = "free_y", ncol = 3) +
  
  # Bestemmer at forklaringene skal stå på høyre side
  theme(legend.position = 'right')

=======

>>>>>>> 1f60758af80b25c08178fcb759dd6a309b652257 <<<<<<< HEAD

hld_arb_long %>% 
  # Vi ønsker å studere alle kommunene som formelt sett regnes som Haugalandet
  filter(knavn %in% c("Haugesund", "Karmøy", "Vindafjord")) %>% 
  filter(Næring %in% c("Industri", "Helse- og Sosialtjenester", "Finansiering og Forsikring", "Elektrisitet, Vann og Renovasjon", "Bygge- og Anleggsvirksomhet", "Jordbruk, Skogbrug og Fiske")) %>% 
  
  # Vi omformaterer datoene til mer formålstjenlige format
  ggplot(mapping = aes(x = as.Date(paste0(aar, "-01-01")), y = Ansatte)) +
  
  # Vi velger hvilken fargeoppslagstabell som skal anvendes
  scale_color_viridis(discrete = TRUE, option = "A") +
  # Angir aksetitler
  labs(title = "Haugalandet: Haugesund, Karmøy og Vindafjord", x = "År", y = "Antall ansatte") +
  # Angir hvilke variabler fargene skal basere seg på
  geom_line(mapping = aes(group = Næring, colour = Næring)) +
  
  # Lager et panel som viser flere grafer, fordelt på tre kolonner
  facet_wrap(facets = ~ knavn, scales = "free_y", ncol = 3) +
  
  # Bestemmer at forklaringene skal stå på høyre side
  theme(legend.position = 'bottom')

======= >>>>>>> 1f60758af80b25c08178fcb759dd6a309b652257 <<<<<<< HEAD

hld_arb_long %>% 
  # Vi ønsker å studere alle kommunene som formelt sett regnes som Haugalandet
  filter(knavn %in% c("Bokn", "Sauda", "Tysvær", "Utsira")) %>% 
  filter(Næring %in% c("Industri", "Helse- og Sosialtjenester", "Finansiering og Forsikring", "Elektrisitet, Vann og Renovasjon", "Bygge- og Anleggsvirksomhet", "Jordbruk, Skogbrug og Fiske")) %>% 
  
  # Vi omformaterer datoene til mer formålstjenlige format
  ggplot(mapping = aes(x = as.Date(paste0(aar, "-01-01")), y = Ansatte)) +
  
  # Vi velger hvilken fargeoppslagstabell som skal anvendes
  scale_color_viridis(discrete = TRUE, option = "A") +
  # Angir aksetitler
  labs(title = "Haugalandet: Bokn, Sauda, Tysvær og Utsira", x = "År", y = "Antall ansatte") +
  # Angir hvilke variabler fargene skal basere seg på
  geom_line(mapping = aes(group = Næring, colour = Næring)) +
  
  # Lager et panel som viser flere grafer, fordelt på 4 kolonner
  facet_wrap(facets = ~ knavn, scales = "free_y", ncol = 4) +
  
  # Bestemmer at forklaringene skal stå på høyre side
  theme(legend.position = 'bottom')

=======

Warning: Removed 1 row(s) containing missing values (geom_path).

>>>>>>> 1f60758af80b25c08178fcb759dd6a309b652257 <<<<<<< HEAD

syssel_arb %>%
  filter(knr == 1106) %>%
 ggplot(mapping = aes(x = aar, y = `Alle Næringer`)) +
  geom_line() +
  labs(title = "Haugesund", x = "År", y = "Antall ansatte i  \n alle næringer") +
  theme(axis.title.y = element_text(angle=0))+
  scale_x_continuous(breaks = seq(2008, 2020, by = 1)) +
  coord_cartesian(ylim = c(20852, 22190), xlim = c())

=======

Warning: Removed 1 row(s) containing missing values (geom_path).

>>>>>>> 1f60758af80b25c08178fcb759dd6a309b652257 <<<<<<< HEAD

syssel_arb %>%
  filter(knr == 1135) %>%
 ggplot(mapping = aes(x = aar, y = `Alle Næringer`)) +
  geom_line() +
  labs(title = "Sauda", x = "År", y = "Antall ansatte i  \n alle næringer") +
  theme(axis.title.y = element_text(angle=0))+
  scale_x_continuous(breaks = seq(2008, 2020, by = 1)) +
  coord_cartesian(ylim = c(1937, 2180), xlim = c())

=======

>>>>>>> 1f60758af80b25c08178fcb759dd6a309b652257 <<<<<<< HEAD

syssel_arb %>%
  filter(knr == 1145) %>%
 ggplot(mapping = aes(x = aar, y = `Alle Næringer`)) +
  geom_line() +
  labs(title = "Bokn", x = "År", y = "Antall ansatte i  \n alle næringer") +
  theme(axis.title.y = element_text(angle=0))+ 
  scale_x_continuous(breaks = seq(2008, 2020, by = 1)) +
  coord_cartesian(ylim = c(291, 327), xlim = c())

=======

>>>>>>> 1f60758af80b25c08178fcb759dd6a309b652257 <<<<<<< HEAD

syssel_arb %>%
  filter(knr == 1146) %>%
 ggplot(mapping = aes(x = aar, y = `Alle Næringer`)) +
  geom_line() +
  labs(title = "Tysvær", x = "År", y = "Antall ansatte i  \n alle næringer") +
  theme(axis.title.y = element_text(angle=0))+ 
  scale_x_continuous(breaks = seq(2008, 2020, by = 1)) +
  coord_cartesian(ylim = c(4048, 4773), xlim = c())

=======

>>>>>>> 1f60758af80b25c08178fcb759dd6a309b652257 <<<<<<< HEAD

syssel_arb %>%
  filter(knr == 1149) %>%
 ggplot(mapping = aes(x = aar, y = `Alle Næringer`)) +
  geom_line() +
  labs(title = "Karmøy", x = "År", y = "Antall ansatte i  \n alle næringer") +
  theme(axis.title.y = element_text(angle=0))+ 
  scale_x_continuous(breaks = seq(2008, 2020, by = 1)) +
  coord_cartesian(ylim = c(14591, 16059), xlim = c())

=======

>>>>>>> 1f60758af80b25c08178fcb759dd6a309b652257 <<<<<<< HEAD

syssel_arb %>%
  filter(knr == 1151) %>%
 ggplot(mapping = aes(x = aar, y = `Alle Næringer`)) +
  geom_line() +
  labs(title = "Utsira", x = "År", y = "Antall ansatte i  \n alle næringer") +
  theme(axis.title.y = element_text(angle=0))+ 
  scale_x_continuous(breaks = seq(2008, 2020, by = 1)) +
  coord_cartesian(ylim = c(88, 114), xlim = c())

=======

>>>>>>> 1f60758af80b25c08178fcb759dd6a309b652257 <<<<<<< HEAD

syssel_arb %>%
  filter(knr == 1160) %>%
 ggplot(mapping = aes(x = aar, y = `Alle Næringer`)) +
  geom_line() +
  labs(title = "Vindafjord", x = "År", y = "Antall ansatte i  \n alle næringer") +
  theme(axis.title.y = element_text(angle=0))+ 
  scale_x_continuous(breaks = seq(2008, 2020, by = 1)) +
  coord_cartesian(ylim = c(4422, 5037), xlim = c())

=======

>>>>>>> 1f60758af80b25c08178fcb759dd6a309b652257

Sunnhordland

Så gjer vi det samme for Sunnhordland

<<<<<<< HEAD

sun_arb %>% 
  ggplot(mapping = aes(x = År, y = Totalt)) +
  geom_line() +
  labs(title = "Sunnhordaland", x = "År", y = "Antall ansatte i  \n alle næringer") +
  theme(axis.title.y = element_text(angle=0))+ 
  scale_x_continuous(breaks = seq(2008, 2020, by = 1))

=======

>>>>>>> 1f60758af80b25c08178fcb759dd6a309b652257 <<<<<<< HEAD

syssel_arb %>% 
  filter(knr %in% c(4611, 4612, 4613, 4614, 4615, 4616, 4617)) %>% 
  ggplot(mapping = aes(x = aar, y = `Alle Næringer`)) +
  scale_color_viridis(discrete = TRUE, option = "A") +
  geom_line(aes(group = knavn, colour = knavn)) +
  scale_size_manual(values = c(seq(2.0, 2, by = -0.1))) +
  geom_hline(yintercept = 0) +
  scale_x_continuous(breaks = seq(2008, 2020, by = 1)) +
   labs(title = "Sunnhordland", x = "År") +
  theme(legend.position = 'bottom')

sun_arb_long <- syssel_arb %>%
  pivot_longer(
    cols = `Jordbruk, Skogbrug og Fiske`:Uoppgitt,
    names_to = "Næring",
    values_to = "Ansatte")

=======

>>>>>>> 1f60758af80b25c08178fcb759dd6a309b652257 <<<<<<< HEAD

sun_arb_long %>% 
  # Vi ønsker å studere alle kommunene som formelt sett regnes som Sunnhordland
  filter(knavn %in% c("Bømlo", "Stord", "Kvinnherad")) %>% 
  filter(Næring %in% c("Industri", "Helse- og Sosialtjenester", "Finansiering og Forsikring", "Elektrisitet, Vann og Renovasjon", "Bygge- og Anleggsvirksomhet", "Jordbruk, Skogbrug og Fiske")) %>% 
  
  # Vi omformaterer datoene til mer formålstjenlige format
  ggplot(mapping = aes(x = as.Date(paste0(aar, "-01-01")), y = Ansatte)) +
  
  # Vi velger hvilken fargeoppslagstabell som skal anvendes
  scale_color_viridis(discrete = TRUE, option = "A") +
  # Angir aksetitler
  labs(title = "Sunnhordland: Bømlo, Kvinnherad og Stord", x = "År", y = "Antall ansatte") +
  # Angir hvilke variabler fargene skal basere seg på
  geom_line(mapping = aes(group = Næring, colour = Næring)) +
  
  # Lager et panel som viser flere grafer, fordelt på tre kolonner
  facet_wrap(facets = ~ knavn, scales = "free_y", ncol = 3) +
  
  # Bestemmer at forklaringene skal stå på høyre side
  theme(legend.position = 'bottom')

======= >>>>>>> 1f60758af80b25c08178fcb759dd6a309b652257 <<<<<<< HEAD

sun_arb_long %>% 
  # Vi ønsker å studere alle kommunene som formelt sett regnes som Sunnhordland
  filter(knavn %in% c("Etne", "Sveio", "Fitjar", "Tysnes")) %>% 
  filter(Næring %in% c("Industri", "Helse- og Sosialtjenester", "Finansiering og Forsikring", "Elektrisitet, Vann og Renovasjon", "Bygge- og Anleggsvirksomhet", "Jordbruk, Skogbrug og Fiske")) %>% 
  
  # Vi omformaterer datoene til mer formålstjenlige format
  ggplot(mapping = aes(x = as.Date(paste0(aar, "-01-01")), y = Ansatte)) +
  
  # Vi velger hvilken fargeoppslagstabell som skal anvendes
  scale_color_viridis(discrete = TRUE, option = "A") +
  # Angir aksetitler
  labs(title = "Sunnhordland: Etne, Fitjar, Sveio og Tysnes", x = "År", y = "Antall ansatte") +
  # Angir hvilke variabler fargene skal basere seg på
  geom_line(mapping = aes(group = Næring, colour = Næring)) +
  
  # Lager et panel som viser flere grafer, fordelt på tre kolonner
  facet_wrap(facets = ~ knavn, scales = "free_y", ncol = 4) +
  
  # Bestemmer at forklaringene skal stå på høyre side
  theme(legend.position = 'bottom')

=======

>>>>>>> 1f60758af80b25c08178fcb759dd6a309b652257 <<<<<<< HEAD

syssel_arb %>%
  filter(knr == 4611) %>%
 ggplot(mapping = aes(x = aar, y = `Alle Næringer`)) +
  geom_line() +
  labs(title = "Etne", x = "År") + 
  scale_x_continuous(breaks = seq(2008, 2020, by = 1)) +
  coord_cartesian(ylim = c(1613, 1775), xlim = c())

=======

Warning: Removed 1 row(s) containing missing values (geom_path).

>>>>>>> 1f60758af80b25c08178fcb759dd6a309b652257 <<<<<<< HEAD

syssel_arb %>%
  filter(knr == 4612) %>%
 ggplot(mapping = aes(x = aar, y = `Alle Næringer`)) +
  geom_line() +
  labs(title = "Sveio", x = "År") + 
  scale_x_continuous(breaks = seq(2008, 2020, by = 1)) +
  coord_cartesian(ylim = c(1357, 1523), xlim = c())

=======

>>>>>>> 1f60758af80b25c08178fcb759dd6a309b652257 <<<<<<< HEAD

syssel_arb %>%
  filter(knr == 4613) %>%
 ggplot(mapping = aes(x = aar, y = `Alle Næringer`)) +
  geom_line() +
  labs(title = "Bømlo", x = "År") + 
  scale_x_continuous(breaks = seq(2008, 2020, by = 1)) +
  coord_cartesian(ylim = c(4662, 4890), xlim = c())

=======

>>>>>>> 1f60758af80b25c08178fcb759dd6a309b652257 <<<<<<< HEAD

syssel_arb %>%
  filter(knr == 4614) %>%
 ggplot(mapping = aes(x = aar, y = `Alle Næringer`)) +
  geom_line() +
  labs(title = "Stord", x = "År") + 
  scale_x_continuous(breaks = seq(2008, 2020, by = 1)) +
  coord_cartesian(ylim = c(9161, 9938), xlim = c())

=======

>>>>>>> 1f60758af80b25c08178fcb759dd6a309b652257 <<<<<<< HEAD

syssel_arb %>%
  filter(knr == 4615) %>%
 ggplot(mapping = aes(x = aar, y = `Alle Næringer`)) +
  geom_line() +
  labs(title = "Fitjar", x = "År") + 
  scale_x_continuous(breaks = seq(2008, 2020, by = 1)) +
  coord_cartesian(ylim = c(1085, 1259), xlim = c())

=======

>>>>>>> 1f60758af80b25c08178fcb759dd6a309b652257 <<<<<<< HEAD

syssel_arb %>%
  filter(knr == 4616) %>%
 ggplot(mapping = aes(x = aar, y = `Alle Næringer`)) +
  geom_line() +
  labs(title = "Tysnes", x = "År") + 
  scale_x_continuous(breaks = seq(2008, 2020, by = 1)) +
  coord_cartesian(ylim = c(989, 1188), xlim = c())

=======

>>>>>>> 1f60758af80b25c08178fcb759dd6a309b652257 <<<<<<< HEAD

syssel_arb %>%
  filter(knr == 4617) %>%
 ggplot(mapping = aes(x = aar, y = `Alle Næringer`)) +
  geom_line() +
  labs(title = "Kvinnherad", x = "År") + 
  scale_x_continuous(breaks = seq(2008, 2020, by = 1)) +
  coord_cartesian(ylim = c(5472, 6084), xlim = c())

=======

>>>>>>> 1f60758af80b25c08178fcb759dd6a309b652257

Hardanger

Til slutt må vi gjere det samme med Hardanger

<<<<<<< HEAD

har_arb %>% 
  ggplot(mapping = aes(x = År, y = Totalt)) +
  geom_line() +
  labs(title = "Hardanger", y= "Alle Næringer") + 
  scale_x_continuous(breaks = seq(2008, 2020, by = 1))

syssel_arb %>% 
  filter(knr %in% c(4618, 1228)) %>% 
  ggplot(mapping = aes(x = aar, y = `Alle Næringer`)) +
  scale_color_viridis(discrete = TRUE, option = "A") +
  geom_line(aes(group = knavn, colour = knavn)) +
  scale_color_manual(values=c('#111111','#054987')) +
  scale_size_manual(values = c(seq(2.0, 2, by = -0.1))) +
  geom_hline(yintercept = 0) +
  scale_x_continuous(breaks = seq(2008, 2020, by = 1)) +
   labs(title = "Hardanger", x = "År") +
  theme(legend.position = 'bottom')

har_arb_long <- syssel_arb %>%
  pivot_longer(
    cols = `Jordbruk, Skogbrug og Fiske`:Uoppgitt,
    names_to = "Næring",
    values_to = "Ansatte")

har_arb_long %>% 
  # Vi ønsker å studere alle kommunene som formelt sett regnes som Hardanger
  filter(knavn %in% c("Odda", "Ullensvang")) %>% 
  filter(Næring %in% c("Industri", "Helse- og Sosialtjenester", "Finansiering og Forsikring", "Elektrisitet, Vann og Renovasjon", "Bygge- og Anleggsvirksomhet", "Jordbruk, Skogbrug og Fiske")) %>% 
  
  # Vi omformaterer datoene til mer formålstjenlige format
  ggplot(mapping = aes(x = as.Date(paste0(aar, "-01-01")), y = Ansatte)) +
  
  # Vi velger hvilken fargeoppslagstabell som skal anvendes
  scale_color_viridis(discrete = TRUE, option = "A") +
  # Angir aksetitler
  labs(title = "Hardanger: Odda, Ullensvang", x = "År", y = "Antall ansatte") +
  # Angir hvilke variabler fargene skal basere seg på
  geom_line(mapping = aes(group = Næring, colour = Næring)) +
  
  # Lager et panel som viser flere grafer, fordelt på tre kolonner
  facet_wrap(facets = ~ knavn, scales = "free_y", ncol = 3) +
  
  # Bestemmer at forklaringene skal stå på høyre side
  theme(legend.position = 'bottom')

syssel_arb %>%
  filter(knr == 1228) %>%
 ggplot(mapping = aes(x = aar, y = `Alle Næringer`)) +
  geom_line() +
  labs(title = "Odda", x = "År") + 
  scale_x_continuous(breaks = seq(2008, 2020, by = 1)) +
  coord_cartesian(ylim = c(3489, 3740), xlim = c())

syssel_arb %>%
  filter(knr == 4618) %>%
 ggplot(mapping = aes(x = aar, y = `Alle Næringer`)) +
  geom_line() +
  labs(title = "Ullensvang", x = "År") + 
  scale_x_continuous(breaks = seq(2008, 2020, by = 1)) +
  coord_cartesian(ylim = c(1235, 5291), xlim = c())

3 Sysselsetting I Ulike Næringer, Etter Bosted (Modeller Under Arbeid)

Haugalandet

hld_bos %>% 
  ggplot(mapping = aes(x = År, y = Totalt)) +
  geom_line() +
  labs(title = "Haugalandet")+
  ylab("Antall ansatte i  \n alle næringer") +
  theme(axis.title.y = element_text(angle=0))+
  scale_x_continuous(breaks = seq(2008, 2020, by = 1))

syssel_bos %>% 
  filter(knr %in% c(1106, 1135, 1145, 1146, 1149, 1151, 1160)) %>% 
  ggplot(mapping = aes(x = as.Date(paste0(aar, "-01-01")), y = `Alle Næringer`, (angle=0))) +
  scale_color_viridis(discrete = TRUE, option = "A") +
  geom_line(aes(group = knavn, colour = knavn)) +
  scale_size_manual(values = c(seq(2.0, 2, by = -0.1))) +
  geom_hline(yintercept = 0) +
  labs(title = "Haugalandet", x = "År", y = "Antall ansatte i  \n alle næringer") +
  theme(axis.title.y = element_text(angle=0))+
  theme(legend.position = 'bottom')

hld_bos_long <- syssel_bos %>%
  pivot_longer(
    cols = `Jordbruk, Skogbrug og Fiske`:Uoppgitt,
    names_to = "Næring",
    values_to = "Ansatte")

hld_bos_long %>% 
  # Vi ønsker å studere alle kommunene som formelt sett regnes som Haugalandet
  filter(knavn %in% c("Haugesund", "Karmøy", "Vindafjord")) %>% 
  filter(Næring %in% c("Industri", "Helse- og Sosialtjenester", "Finansiering og Forsikring", "Elektrisitet, Vann og Renovasjon", "Bygge- og Anleggsvirksomhet", "Jordbruk, Skogbrug og Fiske")) %>% 
  
  # Vi omformaterer datoene til mer formålstjenlige format
  ggplot(mapping = aes(x = as.Date(paste0(aar, "-01-01")), y = Ansatte)) +
  
  # Vi velger hvilken fargeoppslagstabell som skal anvendes
  scale_color_viridis(discrete = TRUE, option = "A") +
  # Angir aksetitler
  labs(title = "Haugalandet: Haugesund, Karmøy og Vindafjord", x = "År", y = "Antall ansatte") +
  # Angir hvilke variabler fargene skal basere seg på
  geom_line(mapping = aes(group = Næring, colour = Næring)) +
  
  # Lager et panel som viser flere grafer, fordelt på tre kolonner
  facet_wrap(facets = ~ knavn, scales = "free_y", ncol = 3) +
  
  # Bestemmer at forklaringene skal stå på høyre side
  theme(legend.position = 'bottom')

hld_bos_long %>% 
  # Vi ønsker å studere alle kommunene som formelt sett regnes som Haugalandet
  filter(knavn %in% c("Bokn", "Sauda", "Tysvær", "Utsira")) %>% 
  filter(Næring %in% c("Industri", "Helse- og Sosialtjenester", "Finansiering og Forsikring", "Elektrisitet, Vann og Renovasjon", "Bygge- og Anleggsvirksomhet", "Jordbruk, Skogbrug og Fiske")) %>% 
  
  # Vi omformaterer datoene til mer formålstjenlige format
  ggplot(mapping = aes(x = as.Date(paste0(aar, "-01-01")), y = Ansatte)) +
  
  # Vi velger hvilken fargeoppslagstabell som skal anvendes
  scale_color_viridis(discrete = TRUE, option = "A") +
  # Angir aksetitler
  labs(title = "Haugalandet: Bokn, Sauda, Tysvær og Utsira", x = "År", y = "Antall ansatte") +
  # Angir hvilke variabler fargene skal basere seg på
  geom_line(mapping = aes(group = Næring, colour = Næring)) +
  
  # Lager et panel som viser flere grafer, fordelt på 4 kolonner
  facet_wrap(facets = ~ knavn, scales = "free_y", ncol = 4) +
  
  # Bestemmer at forklaringene skal stå på høyre side
  theme(legend.position = 'bottom')

Sunnhordland

sun_bos %>% 
  ggplot(mapping = aes(x = År, y = Totalt)) +
  geom_line() +
  labs(title = "Sunnhordaland", x = "År", y = "Antall ansatte i  \n alle næringer") +
  theme(axis.title.y = element_text(angle=0))+ 
  scale_x_continuous(breaks = seq(2008, 2020, by = 1))

syssel_bos %>% 
  filter(knr %in% c(4611, 4612, 4613, 4614, 4615, 4616, 4617)) %>% 
  ggplot(mapping = aes(x = aar, y = `Alle Næringer`)) +
  scale_color_viridis(discrete = TRUE, option = "A") +
  geom_line(aes(group = knavn, colour = knavn)) +
  scale_size_manual(values = c(seq(2.0, 2, by = -0.1))) +
  geom_hline(yintercept = 0) +
  scale_x_continuous(breaks = seq(2008, 2020, by = 1)) +
   labs(title = "Sunnhordland", x = "År") +
  theme(legend.position = 'bottom')

=======

>>>>>>> 1f60758af80b25c08178fcb759dd6a309b652257 <<<<<<< HEAD

sun_bos_long <- syssel_bos %>%
  pivot_longer(
    cols = `Jordbruk, Skogbrug og Fiske`:Uoppgitt,
    names_to = "Næring",
    values_to = "Ansatte")

=======

Scale for 'colour' is already present. Adding another scale for 'colour', which will
replace the existing scale.

>>>>>>> 1f60758af80b25c08178fcb759dd6a309b652257 <<<<<<< HEAD

sun_bos_long %>% 
  # Vi ønsker å studere alle kommunene som formelt sett regnes som Sunnhordland
  filter(knavn %in% c("Bømlo", "Stord", "Kvinnherad")) %>% 
  filter(Næring %in% c("Industri", "Helse- og Sosialtjenester", "Finansiering og Forsikring", "Elektrisitet, Vann og Renovasjon", "Bygge- og Anleggsvirksomhet", "Jordbruk, Skogbrug og Fiske")) %>% 
  
  # Vi omformaterer datoene til mer formålstjenlige format
  ggplot(mapping = aes(x = as.Date(paste0(aar, "-01-01")), y = Ansatte)) +
  
  # Vi velger hvilken fargeoppslagstabell som skal anvendes
  scale_color_viridis(discrete = TRUE, option = "A") +
  # Angir aksetitler
  labs(title = "Sunnhordland: Bømlo, Kvinnherad og Stord", x = "År", y = "Antall ansatte") +
  # Angir hvilke variabler fargene skal basere seg på
  geom_line(mapping = aes(group = Næring, colour = Næring)) +
  
  # Lager et panel som viser flere grafer, fordelt på tre kolonner
  facet_wrap(facets = ~ knavn, scales = "free_y", ncol = 3) +
  
  # Bestemmer at forklaringene skal stå på høyre side
  theme(legend.position = 'bottom')

sun_bos_long %>% 
  # Vi ønsker å studere alle kommunene som formelt sett regnes som Sunnhordland
  filter(knavn %in% c("Etne", "Sveio", "Fitjar", "Tysnes")) %>% 
  filter(Næring %in% c("Industri", "Helse- og Sosialtjenester", "Finansiering og Forsikring", "Elektrisitet, Vann og Renovasjon", "Bygge- og Anleggsvirksomhet", "Jordbruk, Skogbrug og Fiske")) %>% 
  
  # Vi omformaterer datoene til mer formålstjenlige format
  ggplot(mapping = aes(x = as.Date(paste0(aar, "-01-01")), y = Ansatte)) +
  
  # Vi velger hvilken fargeoppslagstabell som skal anvendes
  scale_color_viridis(discrete = TRUE, option = "A") +
  # Angir aksetitler
  labs(title = "Sunnhordland: Etne, Fitjar, Sveio og Tysnes", x = "År", y = "Antall ansatte") +
  # Angir hvilke variabler fargene skal basere seg på
  geom_line(mapping = aes(group = Næring, colour = Næring)) +
  
  # Lager et panel som viser flere grafer, fordelt på tre kolonner
  facet_wrap(facets = ~ knavn, scales = "free_y", ncol = 4) +
  
  # Bestemmer at forklaringene skal stå på høyre side
  theme(legend.position = 'bottom')

Hardanger

har_bos %>% 
  ggplot(mapping = aes(x = År, y = Totalt)) +
  geom_line() +
  labs(title = "Hardanger", y= "Alle Næringer") + 
  scale_x_continuous(breaks = seq(2008, 2020, by = 1))

syssel_bos %>% 
  filter(knr %in% c(4618, 1228)) %>% 
  ggplot(mapping = aes(x = aar, y = `Alle Næringer`)) +
  scale_color_viridis(discrete = TRUE, option = "A") +
  geom_line(aes(group = knavn, colour = knavn)) +
  scale_color_manual(values=c('#111111','#054987')) +
  scale_size_manual(values = c(seq(2.0, 2, by = -0.1))) +
  geom_hline(yintercept = 0) +
  scale_x_continuous(breaks = seq(2008, 2020, by = 1)) +
   labs(title = "Hardanger", x = "År") +
  theme(legend.position = 'bottom')

har_bos_long <- syssel_bos %>%
  pivot_longer(
    cols = `Jordbruk, Skogbrug og Fiske`:Uoppgitt,
    names_to = "Næring",
    values_to = "Ansatte")

har_bos_long %>% 
  # Vi ønsker å studere alle kommunene som formelt sett regnes som Hardanger
  filter(knavn %in% c("Odda", "Ullensvang")) %>% 
  filter(Næring %in% c("Industri", "Helse- og Sosialtjenester", "Finansiering og Forsikring", "Elektrisitet, Vann og Renovasjon", "Bygge- og Anleggsvirksomhet", "Jordbruk, Skogbrug og Fiske")) %>% 
  
  # Vi omformaterer datoene til mer formålstjenlige format
  ggplot(mapping = aes(x = as.Date(paste0(aar, "-01-01")), y = Ansatte)) +
  
  # Vi velger hvilken fargeoppslagstabell som skal anvendes
  scale_color_viridis(discrete = TRUE, option = "A") +
  # Angir aksetitler
  labs(title = "Hardanger: Odda, Ullensvang", x = "År", y = "Antall ansatte") +
  # Angir hvilke variabler fargene skal basere seg på
  geom_line(mapping = aes(group = Næring, colour = Næring)) +
  
  # Lager et panel som viser flere grafer, fordelt på tre kolonner
  facet_wrap(facets = ~ knavn, scales = "free_y", ncol = 3) +
  
  # Bestemmer at forklaringene skal stå på høyre side
  theme(legend.position = 'bottom')

Oppgave 4

hgl_Pendling

======= >>>>>>> 1f60758af80b25c08178fcb759dd6a309b652257 <<<<<<< HEAD

sun_Pendling

=======

Warning: Removed 1 row(s) containing missing values (geom_path).

3 Sysselsetting I Ulike Næringer, Etter Bosted (Modeller Under Arbeid)

Haugalandet

Sunnhordland

Hardanger

Scale for 'colour' is already present. Adding another scale for 'colour', which will
replace the existing scale.

>>>>>>> 1f60758af80b25c08178fcb759dd6a309b652257

<<<<<<< HEAD

# Siste

======= >>>>>>> 1f60758af80b25c08178fcb759dd6a309b652257

<<<<<<< HEAD ======= >>>>>>> 1f60758af80b25c08178fcb759dd6a309b652257